P. 1
Un Modelo Matemático Para Realizar Pronósticos

Un Modelo Matemático Para Realizar Pronósticos

|Views: 8|Likes:
Publicado porChulka

More info:

Published by: Chulka on Apr 19, 2013
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

05/09/2014

pdf

text

original

01

UN MODELO MATEMÁTICO PARA REALIZAR PRONÓSTICOS
Prof. Robinson Arcos

OBJETIVOS: • • Presentar un modelo matemático de ajustes de curvas que permite, entre otras cosas, realizar pronósticos o estimar parámetros físicos, químicos, etc. Hacer uso de la Aplicación Estadística de la calculadora ClassPad 300 PLUS para establecer el tipo de curva que mejor aproxima a un grupo de datos en el sentido del Método de los Mínimos Cuadrados.

CONOCIMIENTOS PREVIOS: • Conocimiento sobre las funciones básicas: lineal (afín), cuadrática, potencial, polinómica, logarítmica, exponencial y otras.

INTRODUCCIÓN: Como sabemos, una descripción matemática de un fenómeno de la vida real, dada en términos como por ejemplo, de una función o de una ecuación es lo que constituye un modelo matemático. El consumo continuo de un producto en el mercado, el descenso significativo del número de fumadores entre dos fechas en una población en particular, la expectativa de vida de una persona al nacer, el costo de la reducción de productos contaminantes en una determinada zona, la necesidad de realizar pronósticos sobre la variación a futuro del PIB en un país determinado, son ejemplos de fenómenos reales que se pueden modelar matemáticamente por una función. La finalidad del modelo es comprender el fenómeno y, quizá, hacer pronósticos acerca de su comportamiento.
Figura 1

MODELO MATEMÁTICO DE AJUSTE DE CURVAS: Al formular este tipo de modelo matemático, es necesario identificar en lo posible el mayor número de datos fidedignos (constantes) del fenómeno, definir, rotular y clasificar las incógnitas (variables independientes y dependientes) y establecer consideraciones, físicas, químicas, geométricas, etc., de manera tal que representen plenamente el fenómeno en estudio, pero al mismo tiempo lo simplifiquen suficientemente para que, junto con las condiciones y restricciones, éste pueda finalmente modelarse matemáticamente. El buen manejo de la situación física, química o geométrica y la destreza y habilidad matemática que poseamos, nos permitirá obtener ecuaciones que relacionen los datos del fenómeno con las variables que hemos definido. Es común que se nos presenten situaciones en las cuales no existe, por ejemplo, una ley física que guíe la construcción del modelo. En este caso al reunir los datos se procede a organizarlos y representarlos en forma tabular (mediante una tabla, como por ejemplo parejas (x n , yn ) ) para distinguir algunos patrones matemáticos de comportamiento. Si el comportamiento es funcional (los datos yn están en función de los datos x n , esto es,

yn = f (x n ) donde f es una función desconocida), es probable que nos convenga obtener una representación gráfica a partir de la representación numérica de la función, utilizando los datos de la tabla. En algunos casos, la gráfica podría incluso sugerir una fórmula algebraica adecuada de su regla de correspondencia.

Figura 2

1

por la pérdida de una parte del histórico de datos (pérdida de memoria). esto se logra por un proceso de comparación con los nuevos datos reales. se necesitará afinar el modelo. explicaciones y probablemente pronósticos del comportamiento futuro del fenómeno. medido en partes por millón en un determinado observatorio en una población del mundo. ¿cuándo sobrepasará el nivel promedio del CO2 las cuatrocientas partes por millón? X 1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 Y 327.0 332.La virtud de un modelo matemático es que éste. el cual se sustenta exclusivamente en los datos recopilados y se busca la ecuación de la curva que mejor se ajusta a estos datos.0 330. en el sentido que la misma capture la “tendencia básica de los puntos dados”. Al final la Madre Naturaleza tiene la última palabra.0 340. Supongamos que se desea estimar el nivel promedio de CO2 que se obtuvo en 1997 y predecir el nivel promedio para el año 2005 y además contestar a la pregunta. que luego deben contrastarse con la situación real. Es importante darse cuenta de las limitaciones del modelo.0 325. el nivel promedio de dióxido de carbono en la atmósfera. SITUACIÓN PROBLEMÁTICA 1 (Modelo de regresión lineal): 1. ya que las conclusiones e interpretaciones basadas en el modelo deben ofrecer soluciones. De modo que la relación funcional entre las variables satisface una ecuación de la forma y = ax + b . y) de la tabla se obtiene una gráfica de dispersión. Al obtener una representación gráfica de las parejas de puntos (x. se puede construir un modelo matemático empírico. Observemos que la misma nos indica un comportamiento lineal del nivel promedio de CO2 en relación directa con el tiempo transcurrido.0 Tabla 1 Gráfica de Dispersión para el nivel promedio de CO2 360.3 330.3 351.5 341. 2 . Si las predicciones no se ajustan a la realidad del fenómeno.3 347. la variable independiente x representará cada uno de los años transcurridos desde 1982 hasta 2000 y la variable independiente y representará el nivel promedio de CO2 correspondiente al año x. Para James Stewart: “En un buen modelo.0 350. pero incluso así. es bastante exacto para permitir conclusiones valiosas.3 338.0 344. Si lo que interesa es establecer predicciones a futuro o establecer predicciones del pasado.0 345. e iniciar el ciclo una vez más. o formular uno nuevo. la realidad se simplifica lo suficiente para permitir los cálculos matemáticos. es sólo una idealización.0 Y: Nivel de CO2 en ppm 355. por bienios.0 335. desde 1982 hasta 2000.3 354.0 335.0 1980 1985 1990 1995 2000 2005 X: Años Figura 3 En nuestro modelo empírico. permite analizar el fenómeno y establecer conclusiones en términos matemáticos.” Si no existe ley o principio físico o de otra naturaleza que nos ayuden a formular un modelo matemático. En la siguiente tabla aparece tabulado. Un modelo matemático no es una representación completamente exacta de un fenómeno de la realidad.

por imprecisión de los instrumentos.] para limpiar las variables asignadas y regresar al área de trabajo de la Aplicación Principal. (2) Toque en el panel de iconos para acceder directamente a la Aplicación Principal.] [Cerr.] para limpiar el área de trabajo.0 1980 1985 1990 X:Años Figura 4 1995 2000 2005 CURVAS DE REGRESIÓN CON LA CLASSPAD 300 PLUS: 2. será necesario realizar las siguientes tareas de limpieza y configuración para que. yi ) para i = 1.5012x . Toque main dos veces.8 350. (3) En la barra de menús.0 335. los errores en los experimentos o en la misma recolección de datos.0 Y:Nivel de CO2 en ppm y = 1. Presione encenderla. las calculadoras graficadoras como la ClassPad 300 PLUS tienen funciones que permiten calcular los valores de a y b. toque [Edit] [Borrar todo] [Acep. se obtienen puntos que no están alineados. El problema es encontrar la recta que “mejor ajusta” este conjunto de puntos (recta de regresión lineal). al operar su calculadora. L . como una posibilidad de elegir una recta que mejor represente el comportamiento de los 10 puntos tabulados.] [Cerr.0 355. Sin embargo. obtenidos en algún proceso de recolección de datos. obtenga los mismos resultados y pantallas que aquí se exponen: (1) Retire la cubierta de la calculadora. es posible encontrar fórmulas para el cálculo de la pendiente a y la ordenada en el origen b de la recta resultante. la cual se llama recta de regresión.Pudiéramos establecer la ecuación de la recta que pasa por el primer punto y el último. tome el lápiz táctil y colóquela sobre la mesa. El caso más sencillo. un método que permite determinar la ecuación de la “recta que mejor ajuste” un determinado número de puntos se conoce como el método de los mínimos cuadrados.0 345. toque [Todo] [Seleccionar todo] [Edit] [Borrar] [Acep. Recta de regresión para el nivel promedio de CO2 360.2648. Generalmente. 2. consiste en determinar la ecuación de una recta: y = ax + b a la que deberían pertenecer todos los puntos de coordenadas (x i . El método de los mínimos cuadrados se emplea como modelo matemático para realizar pronósticos a partir de datos recolectados en la vida cotidiana o para estimar parámetros a partir de datos recogidos experimentalmente. para (4) Toque el botón para acceder directamente al administrador de variables. 3. n . El método de los mínimos cuadrados proporciona “buenas aproximaciones” de los coeficientes a y b. Si hay variables asignadas.0 330. y trazar la gráfica de la recta de regresión a partir de los puntos datos. y del que se deducen otros modelos. Antes de comenzar. Operación con la ClassPad.0 325. 3 . Con conocimientos de matemáticas.0 340. Por fortuna hoy en día.

(15) Al terminar. Confirme con [EXE]. Utilice el punto y no la coma para separar la parte entera de parte decimal del número dato. Observe la Figura 7. (11) En el panel de iconos toque para maximizar la ventana del editor de listas. en la barra de herramientas. toque aquellos donde aparece la marca de verificación para desactivarlos. Si se equivoca al registrar un dato. (18) Toque en la barra de herramientas para trazar el gráfico de dispersión. su calculadora mostrará la pantalla indicada en la Figura 6 de la ventana de la Aplicación Estadística. Observe que una vez que se registra el dato. Aparecerá en la parte inferior de la pantalla dividida la ventana del editor de listas. Tipo: Disper. Para trazar el diagrama de dispersión de los datos será necesario hacer las siguientes operaciones de configuración de gráficos estadísticos: • Figura 7 (16) En la barra de menús. en la lista 1. el cursor se ubica en la segunda celda de la lista 1.] para confirmar la configuración. 4 . Al terminar este cuerpo de instrucciones. toque el botón representación angular: Radián. Marca: Cuadrado (observe la Figura 8). se encuentran todos los datos de la variable x y en la segunda lista se encuentran todos los datos de la variable y. Figura 5 (10) Toque el botón toque • para acceder directamente a la Aplicación Estadística. Frec. toque el botón presentación de números: Normal 1.] para regresar a la ventana de la Aplicación Principal. Toque [Def. En el cuadro de diálogo utilice los botones para configurar los siguientes parámetros: Dibujo: On. registre en columna los demás datos correspondientes a la variable x (Años).] para limpiar el editor de listas. (14) De la misma manera. Lista X: list1. • • Figura 6 • • De esta manera. (17) Finalmente toque [Def. (13) Manipulando la tecla direccional elíptica ubique el cursor el la primera celda de la lista 1 (list1) y teclee 1982 que corresponde al primer dato de la lista de años en la Tabla 1. ubique el cursor en la primera celda de la lista 2 (list2) y registre los datos que corresponden a la variable y (nivel de CO2 en partes por millón). (12) Toque [Edit] [Borrar todo] [Acep.: 1. [Preferencias ►] [Configuración ►] • (6) (7) (8) • (9) • En el cuadro de diálogo realice la siguiente configuración: En el recuadro Visualización. ListaY: list2.(5) En la barra de herramientas de la Aplicación Principal toque la siguiente secuencia de comandos: [Formato básico]. En el recuadro Ángulo. Al desplegarse el menú. Ahora accederemos directamente desde la Ventana de la Aplicación Principal a la ventana de la Aplicación Estadística. y seleccione el modo de y seleccione la unidad de En los recuadros de verificación que corresponden al formato Avanzado. Al terminar su calculadora mostrará la pantalla de la Figura 5. ubique el cursor sobre el dato errado y escriba el nuevo número y luego confirme con [EXE]. toque [ConfGráf] [Opciones …]..

el coeficiente de correlación r nos da una medida de qué “tan buena” es la relación entre las dos variables. procedemos de la siguiente manera: 5 . mejor será el ajuste. Si r está más cercano a cero. Si r 2 = 1 entonces los puntos están alineados. Indica “qué tan bueno” es el ajuste de la recta de regresión a los datos. b y los parámetros estadísticos r. ¿cuál será el nivel de CO2 para el año 2005? y ¿cuándo sobrepasará el nivel promedio del CO2 las cuatrocientas partes por millón?. Mientras más cercano a 1 se encuentre el valor absoluto de este coeficiente. El diagrama de dispersión muestra un conjunto de puntos que tiende a alinearse. 1 n−2 ∑ (yi − (axi + b))2 . Mientras más cercano a 1 se encuentre este valor.Aparecerá la ventana de gráficos mostrando el diagrama de dispersión (Figura 9). Por otra parte. • • Aparece en pantalla el cuadro Cálculo estadístico que muestra los valores de los parámetros de interés a. a : coeficiente de regresión (pendiente). “más fuerte” será la relación entre las variables x e y. MSe : Error cuadrático medio dado por MSe = Observación: El coeficiente de determinación r 2 satisface r 2 ≤ 1 . Figura 8 Figura 9 Figura 10 Los parámetros estadísticos indicados en la pantalla de la Figura 10 son los siguientes: y = ax + b : es la fórmula del modelo de regresión lineal. r 2 y MSe (Figura 10). Este coeficiente satisface −1 ≤ r ≤ 1 . (19) Toque [Cálc.] [Regresión lineal]. i=1 n 3.]. (20) En el cuadro de diálogo que aparece toque [Acep. esto indicará que la relación entre las variable es “muy débil” y que los datos presentan una alta dispersión que no les permite alinearse. De acuerdo a los datos indicados en pantalla. b : término constante de regresión (ordenada en el origen). r : coeficiente de correlación r 2 : coeficiente de determinación. ¿cuál es la ecuación de la recta de regresión? Para contestar a las preguntas: ¿qué nivel promedio de CO2 se obtuvo en 1987?.

Toque la solapa [mth] para activar el teclado matemático.9969175 (alrededor de un 99 %)? ˆ de las variables x. Toque para pegar. ˆ e y indicando los valores estimados x Encontrará que y c ≈ 334 . la ecuación de la recta de regresión. Toque decimal (Figura 14). Es decir. en la Aplicación Principal. ¿Qué nivel promedio de CO2 se obtuvo en 1987? 6 . ¿Qué puede concluir del gráfico mostrado en la pantalla (Figura 11) y el valor del coeficiente de determinación r 2 = 0. Contestemos a la primera pregunta: (22) En la barra de menús toque [Análisis] [Trazo]. como se puede observar en las Figuras 12 y 13. que para 1987 el nivel promedio de CO2 se encontraba alrededor de las 334 partes por millón. ˆ y y Luego de trazar un gráfico de regresión se pueden calcular los valores estimados x respectivamente. en la línea de entrada. y. (27) Seleccione la fracción correspondiente al valor estimado y del nivel promedio de CO2 para ese año. • • Para obtener un valor más preciso.(21) Toque el botón • • para trazar la recta de regresión lineal. a la Aplicación Principal. Si utiliza las teclas direccionales ► y ◄ de la tecla elíptica del teclado de la calculadora. (25) En la barra de herramientas toque y luego para maximizar la pantalla. en el recuadro inferior aparecerá la ecuación de la recta de regresión. Toque finalmente para evaluar la ecuación. • • • Aparecerá un cursor sobre la gráfica de la recta de regresión. Toque (26) Oprima la tecla [Keyboard]. seguidamente toque para activar el comando “with”. para obtener dicho valor en forma Figura 14 5. Aparecerá la gráfica de la recta de regresión en el diagrama de dispersión. Por otra parte. observará que el cursor se desplaza sobre la recta de regresión ˆ de las variables x e y. Observe la disposición de los puntos respecto a la recta de regresión Figura 11 4. Figura 12 (23) Con las teclas direccionales ubique el cursor en un punto tal que x c ≈ 1987 . siga las siguientes instrucciones: para copiar en el portapapeles la para acceder directamente Figura 13 (24) Toque en el recuadro inferior el botón ecuación de la recta de regresión.

6. (32) Toque [Acción] [Ecuación /Desigualdad ►] [solve]. 9. luego toque para evaluar la ecuación.(28) Toque para pegar. y en list2 las correspondientes masas “y”. (35) Toque para obtener dicho valor en forma decimal. Para ello se dispone de 10 encendedores usados. la ecuación de la recta de regresión. en la línea de entrada. Trace el diagrama de dispersión. borre todas las listas. Queremos estimar la cantidad de masa de gas licuado en un encendedor de bolsillo de una marca determinada. Toque las teclas regresión. Figura 16 7. Responda a cada una de las preguntas que se formulan: a) ¿Qué tipo de función necesariamente deben verificar las variables x. luego toque para evaluar la ecuación. ¿Cuándo sobrepasará el nivel promedio del CO2 las cuatrocientas partes por millón? SITUACIÓN PROBLEMÁTICA 2 (Un modelo de estimación de parámetros): x 12 15 20 24 25 30 35 40 45 48 Tabla 2 8. ¿Cuál será el nivel de CO2 para el año 2005? (31) Toque para pegar. ¿Qué ajuste le sugiere la nube de puntos? 7 . A cada encendedor se le determina en una balanza la cantidad de masa “y” en gramos y se le mide la altura “x” en milímetros de la columna de líquido. (34) Seleccione la fracción correspondiente al valor estimado x del año en que el nivel promedio de CO2 sobrepasará las 400 partes por millón. la ecuación de la recta de para activar el comando “with”. registre en la list1 las alturas “x”. (33) Toque [ans] [Ejec]. y 106 109 112 115 116 119 122 125 128 131 b) En la Aplicación Estadística. (29) Seleccione la fracción correspondiente al valor estimado y del nivel promedio de CO2 para el año 2005. Figura 15 (30) Toque para obtener dicho valor en forma decimal. en la línea de entrada. y? Explique.

Existen procesos que exhiben un comportamiento exponencial como por ejemplo. Aquí x = 0 representa el año 1990.c) ¿Esperaría. De modo que un ajuste lineal entre las variables x y ln y nos dará un ajuste exponencial entre la variable x y la variable y. esto es. por el diagrama de dispersión. que no hubiesen errores de medición?. ¿porqué? d) Si el ajuste propuesto es lineal. 8 . ¿qué representan físicamente en este modelo los parámetros a y b? e) ¿Cuál es la masa aproximada de un encendedor vacío? f) ¿Cuál es la masa aproximada del líquido en un encendedor lleno. La siguiente tabla presenta datos sobre el número de habitantes (en miles) en una determinada ciudad cosmopolita de acuerdo a los censos realizados en cada década desde 1900 hasta 2000. y = ax + b. Al utilizar la ClassPad se obtiene la representación del modelo exponencial y la ecuación de la curva de ajuste. donde a > 0 y b > 0 . los modelos de crecimiento de población o desintegración radiactiva. Observe que si tomamos logaritmo neperiano en ambos miembros de la ecuación. si se sabe que la altura del depósito es de 55 mm? SITUACIÓN PROBLEMÁTICA 3 (Un modelo de crecimiento de población): X: Año 1900 (0) 1910 (1) 1920 (2) 1930 (3) 1940 (4) 1950 (5) 1960 (6) 1970 (7) 1980 (8) 1990 (9) 2000 (10) 2010 (11) 2020 (12) 2030 (13) Y: Población 1650 1750 1860 2070 2300 2520 3020 3700 4450 5300 5770 ? ? ? Tabla 3 10. Observación: Se sabe que la función que modela los crecimientos de población es una función exponencial de la forma y = ae bx . obtenemos la ecuación ln y = ln a + bx . Se desea predecir el número de habitantes que tendrá la ciudad al comienzo de cada una de las tres primeras décadas del siglo XXI. entonces ln y es una función lineal de x. x = 1 representa el año 1910 y así sucesivamente. lo que indica que si la variable dependiente y es una función exponencial de x.

(48) Finalmente toque Para calcular el número de habitantes en la ciudad al inicio de las tres décadas del siglo XXI. toque [Acep.] para confirmar la configuración. una población de 6. toque [Acep.] para limpiar el editor de listas. (42) En list2 registre los datos de población. la ecuación de la recta de regresión.]. ….. Toque entrada. estadístico. Lista X: list1. Tipo: Disper. En el cuadro de diálogo Definir cálculo.353.: 1. para maximizar la ventana del editor de (39) En el panel de iconos toque listas.]. (43) En la barra de menús. para obtener dicho valor • Se estima entonces. exponencial]. (50) Toque en el recuadro inferior el botón ecuación de la curva de regresión. • Figura 17 (44) (45) (46) (47) • Trace el diagrama de dispersión tocando en la barra de herramientas. (53) Seleccione la fracción correspondiente al valor estimado y del número de habitantes correspondiente al año 2010. En el cuadro de para configurar los siguientes parámetros: diálogo utilice los botones Dibujo: On. Operación con la ClassPad. para acceder a la Aplicación Principal. Al desplegarse el menú para acceder directamente a la Aplicación Estadística. Finalmente toque [Def. ListaY: list2. (41) El list1 registre los años: 0. Continúe usted dando respuesta a las demás interrogantes Figura 19 9 . en la línea de para (52) Active el teclado matemático [mth]. 10. luego toque activar el comando “with”. Toque finalmente para evaluar la ecuación. Marca: Cuadrado .] [Regr. copiaremos la ecuación de la curva en la ventana de la Aplicación Principal. Toque en forma decimal (Figura 19). (40) Toque [Edit] [Borrar todo] [Acep. (51) En la barra de herramientas toque a la Aplicación Principal. Al terminar su calculadora debe mostrar la pantalla de la Figura 17. 1. para trazar la curva de regresión exponencial. Toque [Cálc. Toque para copiar en el portapapeles la para acceder directamente Figura 18 y luego para maximizar la pantalla. Frec. (36) Toque (37) Toque [Edit] [Borrar todo] [Acep.000 habitantes al comienzo de la primera década del siglo XXI.]. (38) En la barra de herramientas toque el botón toque . (49) Toque [Análisis] [Trazo]. En el cuadro Cálc.11. para pegar. toque [ConfGráf] [Opciones …].

La teoría prevé que el logaritmo decimal de la viscosidad es una función exponencial de la temperatura ( y = ae bx ) o dicho de otro modo. y 0.795 11. SITUACIÓN PROBLEMÁTICA 5 (Un problema relacionado con la industria del vidrio) x 1390 1154 984 874 791 729 Tabla 5 14. proceda de la siguiente manera: • Copie la ecuación en la ventana de la Aplicación Estadística y péguela en la línea de entrada de la Aplicación Principal.3010 0.6021 0.8451 En este problema.7782 8. etc. el número de electores (Y) inscritos en el Registro Electoral venezolano. Sugerencia: Para no tener problemas de desbordamiento en la resolución de la ecuación en la Aplicación Principal.013. que el logaritmo neperiano del logaritmo decimal de la viscosidad es una función afín de la temperatura.607 15. Determine en qué intervalo debe mantenerse la temperatura para realizar el trabajo. • Ejecute Ln(ans) para tomar logaritmo neperiano en ambos miembros de la ecuación. 10 . la primera columna la temperatura x de cierto tipo de vidrio en °C . En ciertos problemas no hay una relación lineal directa entre una variable y la otra. la segunda columna contiene el logaritmo decimal de la viscosidad y. Determine esta tasa. entre una y el logaritmo de la otra. en el sentido del método de los mínimos cuadrados. La siguiente tabla presenta.971 14. del registro electoral. sino entre una variable y el inverso de la otra. encontrando la curva exponencial que mejor se ajusta a los datos de la tabla. a) Encuentre la función exponencial que mejor ajusta los puntos de la tabla.720. para cada año (X).65 y 13. entre el inverso de una y el inverso de la otra. El crecimiento del registro electoral sigue un crecimiento exponencial y = ae bx con a. x = 1 el año 1994 y así sucesivamente.65 y log 13 ). Aquí x = 0 representa el año 1993.6990 0.12. • Finalmente ejecute solve(ans) para obtener la solución. b > 0 . ¿Cuál es el número de habitantes que tendrá la ciudad al comienzo del a) año 2010? b) año 2020? c) año 2030? SITUACIÓN PROBLEMÁTICA 4 (Tasa de crecimiento porcentual del Registro Electoral): Año 1993 (0) 1998 (5) 2000 (7) 2004 (11) 2006 (13) Nº de electores 9.020 11.921.688.027.4771 0. • Sustituya el valor para la variable y (tenemos dos valores log 7. b) Sólo es posible trabajar el vidrio cuando su viscosidad está entre 7. viene dada por 100 ⋅ b % . La tasa de crecimiento porcentual anual aproximada.223 Tabla 4 13.

En la tabla se muestran distancias promedio d de los planetas al Sol (tomando como unidad de medida la distancia de la Tierra al Sol) y sus períodos T (tiempos de revolución en años terrestres). cuarto grado y = a + bx + cx 2 + dx 3 + ex 4 a estos datos.000 1.457 84.861 29.3 5.190 30.8 68.881 11.541 19.203 9. aquí x = 0 corresponde a 1955.7 Tabla 6 15. y así b) c) d) e) sucesivamente. desde 1955 hasta 1995. ¿es buen criterio tomar como modelo la curva que mejor ajusta un conjunto de puntos? ¿Qué hechos deben considerarse de antemano sobre un fenómeno de estudio.1 4. Sin embargo. a) Ajuste tanto una curva exponencial. produce contradicciones en el mundo real al realizar el pronóstico.008 164. n es cualquier número real y el dominio de la función ] 0.9 5.615 1.350 a) Construya una gráfica de dispersión de T contra d y otra de ln T contra ln d .784 248.086 39.523 5. Encuentre en cada caso los coeficientes de correlación y determinación. ¿El modelo corrobora dicha ley? . 11 . a la hora de elegir una curva de ajuste para un conjunto de datos? SITUACIÓN PROBLEMÁTICA 7 (Un problema de mecánica celeste): Planeta Mercurio Venus Tierra Marte Júpiter Saturno Urano Neptuno ¿Plutón? d 0. ¿Cuál de las dos es la curva que mejor ajusta el conjunto de datos? Estime gráficamente la cantidad de emisión de plomo en 2000 y en 2005 en cada caso. Reflexione.1 143.723 1.5 5.000 1. ¿Parece razonable un modelo potencia T = adn donde a es un número real positivo.507 Tabla 7 16.241 0.387 0. Observe que la curva que mejor ajusta el conjunto de puntos. T 0. La tabla indica las emisiones de plomo hacia el medio ambiente en millones de toneladas métricas en un determinado lugar del planeta. la otra produce pronósticos más acertados.SITUACIÓN PROBLEMÁTICA 6 (Un problema de emisiones de plomo) Año 1955 (0) 1960 (1) 1965 (2) 1970 (3) 1975 (4) 1980 (5) 1985 (6) 1990 (7) 1995 (8) como un polinomio de Emisiones 199.+∞ [ ? b) Ajuste un modelo potencia a los datos.0 18. c) La tercera ley de Kepler del movimiento planetario afirma: “El cuadrado del período orbital de un planeta (tiempo que tarda en dar una vuelta alrededor del Sol) es directamente proporcional al cubo de su distancia media al Sol”.5 4. x = 1 a 1960.

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->